Rozpoznání podzemních vod souvisejících s chronickým onemocněním ledvin neznámé etiologie pomocí huminových organických látek Ⅱ

Vztah mezi chemií vody související s DOM a CKDu

Nadměrný příjem F− může poškodit tkáň lidských ledvin, a proto je vysoká koncentrace F− považována za známku toho, že zdroje vody vedou k CKDu11,61. Jak je znázorněno na doplňkovém obrázku 8, existovala významná pozitivní korelace mezi koncentrací C1% a F− ve vzorcích podzemní vody (r=0.62, p < 0.05), což naznačuje, že C1 je citlivou složkou pro rozpoznání zdrojů podzemní vody, které mohou způsobit CKDu. C1 % také mělo významně pozitivní korelace s Ca{{10}} (r=0,60, p < 0,05). C1 s karboxylem se pravděpodobně spojí s Ca2+ za vzniku komplexu, který je škodlivý pro lidské ledviny15, což je důležitá příčina CKDu. To je v souladu s pozorováním, že podzemní voda v oblastech s endemickým výskytem CKDu obsahovala vyšší koncentrace Ca{19}} než podzemní voda v oblastech bez endemického onemocnění CKDu10,18. V této studii se navíc C1% zvýšil se zvýšením koncentrací Si a tvrdosti (r=0,60, 0,61, v tomto pořadí, p < 0,05). Předpokládá se, že CKDu souvisí také s podzemní vodou s vysokou tvrdostí a vysokými koncentracemi Si, protože pití této podzemní vody může poškodit lidské embryonální ledvinové buňky12,14. Stručně řečeno, C1% pozitivně koreloval s anorganickými chemickými složkami obecně považovanými za spojené s CKDu, což naznačuje potenciální proveditelnost použití C1% jako rozpoznávacího indikátoru pro identifikaci zdrojů podzemních vod souvisejících s CKDu.

Click to cistanche herba pro onemocnění ledvin

Předpokládá se, že vyšší C1% v podzemních vodách CKDu oproti podzemním vodám bez CKDu souviselo se vstupem povrchové vody (obr. 2). Ve skutečnosti byly koncentrace výše uvedených anorganických chemických složek v povrchových vodách mnohem nižší než v podzemních vodách (doplňková tabulka 4). Vzhledem k tomu, že zvětralá puklinová voda ve studované oblasti je hlavním zdrojem podzemních vod, proces doplňování povrchové vody podzemní vodou je pomalý, což způsobuje silné interakce vody a horniny (např. vyplavování a výměnu iontů) během procesu doplňování a vede k obohacování anorganické chemikálie v podzemních vodách. Například kvůli chemické podobnosti F− a OH− je pravděpodobné, že vyšší hodnota pH v povrchové vodě způsobí více F− desorbovaného z minerálů výměnou iontů během procesu dobíjení62, což má za následek relativně nižší hodnotu pH. a více F− v podzemních vodách CKD než v povrchových vodách.

Rozpoznání zdrojů vody souvisejících s CKDu pomocí FDOM V této studii

DOM mezi podzemními vodami CKDu a podzemními vodami bez CKDu měl významné rozdíly, pokud jde o C1% a HIX, a proto lze tyto rozdíly použít pro včasné varování a rychlé rozpoznání vodních zdrojů spojených s CKDu prostřednictvím našeho samostatně vyvinutého hodnocení prahu rozpoznávání CKDu (CRTA) metoda. Prozkoumat vhodný práh rozpoznání (RT) různých indikátorů DOM a otestovat použitelnost metody CRTA, vztahy mezi předpokládaným prahem indikátorů DOM a pravděpodobností detekce podzemních vod CKDu (DPC) a pravděpodobností detekce podzemních vod bez CKDu ( DPN) ve vzorcích podzemní vody (n=54) jsou uvedeny na doplňkovém obrázku 9. Bylo zjištěno, že DPC a DPN reagovaly na změny HIX, C1%, DOC a C4% velmi dobře s přibližně S-tvarem křivky. Vezmeme-li jako příklad C1%, když předpokládaná prahová hodnota C1% překročila hodnotu na průsečíku (28,8%) křivek DPC a DPN, DPC se zvyšovala s nárůstem C1% a byla vždy vyšší než DPN; když byl předpokládaný práh C1 % menší než průsečíková hodnota (28,8 %), DPN se zvyšovala s poklesem C1 % a byla vždy větší než DPC. To znamená, že pokud se jako RT použije předpokládaný práh C1 % na křižovatce, DPC dosáhne 70,1 % (pravděpodobnost detekce na křižovatce) alespoň s C1 % nad RT (doplňková tabulka 5), ​​což naznačuje, že možnost detekce vodní zdroj jako zdroj související s CKDu byl alespoň 70,1 %. Když je předpokládaný práh C1 % pod RT, DPN překročí 70,1 %, což naznačuje, že možnost detekovaného zdroje vody jako zdroje nesouvisejícího s CKDu byla alespoň 70,1 %. Proto při použití RT C1% je pravděpodobnost identifikace, zda jeden vodní zdroj souvisí s CKDu nebo nesouvisí s CKDu, alespoň 70,1 %, což ukazuje na jeho velmi dobrou rozpoznatelnou použitelnost.

Podobně vztahy mezi předpokládanými prahy HIX, koncentracemi DOC a C4% a pravděpodobností detekce byly stejné jako vztah mezi předpokládaným prahem C1% a pravděpodobností detekce. Vzhledem k relativně nižší detekované pravděpodobnosti na křižovatce (doplňková tabulka 5) však není rozpoznávací použitelnost pomocí HIX, DOC a C4 % tak dobrá jako C1 %. Pokud jde o ostatní ukazatele DOM, jejich křivky DPN nebo DPC hodně kolísaly se změnami prahových hodnot. Navíc podle vztahu mezi předpokládaným prahem skóre PC1 a pravděpodobností detekce lze zjistit, že pravděpodobnost rozpoznání pomocí skóre PC1 byla 63,8 %.

Předpokládané prahy skóre C1%, C4%, HIX a PC1 versus pravděpodobnost detekce byly proloženy empirickou Boltzmannovou rovnicí (obr. 4). Jak je znázorněno na obr. 4, předpokládaný práh C1 % měl nejvyšší koeficient determinace (R2) (doplňková tabulka 6). Výsledky ověření ukázaly, že předpokládané hodnoty byly blízké hodnotám naměřeným (obr. 5), což ukazuje, že výsledky fitování byly platné. Párový t-test navíc ukázal, že predikovaná hodnota a naměřená hodnota se významně nelišily (p > 0,05) pouze s použitím C1% nebo skóre PC1 jako rozpoznávacích indikátorů. Střední kvadratická chyba (RMSE) C1% byla také nejnižší, což ukazuje, že výsledek přizpůsobení C1% byl v souladu s daty této studijní oblasti. C1% je především nejvhodnější a nejúčinnější index DOM pro rozlišení vodních zdrojů souvisejících s CKDu od vodních zdrojů nesouvisejících s CKDu prostřednictvím

metoda CRTA.

Podle funkcí prokládacích křivek byla RT C1 % s použitím metody CRTA 28,8 %. Aby se objasnila předvídatelnost a výhoda optimálního prahu vypočítaného metodou CRTA, byla také provedena křivka provozní charakteristiky přijímače (ROC) a křivka přesnosti zpětného vyvolání (PR) na základě záměnné matice za použití stejných 54 vzorků podzemní vody ( Doplňkové obrázky 10, 11). V ROC a PR analýze byl model křivky považován za předvídatelný pouze tehdy, když plocha pod křivkou (AUC) byla větší než 0,763. Větší AUC obvykle ukazuje na lepší předvídatelnost modelu. Křivka AUC ROC (0,777) a křivka PR (0,816) C1% byly větší než u jiných indexů DOM, což ukazuje, že C1% je nejvhodnější jako rozpoznávací index. , což je v souladu s výsledky metody CRTA. Nicméně podle maxima Yondenova indexu, které pozitivně korelovalo s převahou screeningových modelů (doplňková metoda), optimální RT C1 % v ROC křivce byla 36,3 %; optimální RT C1 % v PR křivce byla 27,6 % při použití maxima F1-skóre, což je harmonický průměr přesnosti a paměti a ukazuje schopnost správně předpovídat. Pro porovnání předvídatelnosti křivky PR, křivky ROC a metody CRTA s použitím C1% jako rozpoznávacího indexu byly tyto RT aplikovány na 21 vzorků podzemní vody pro ověření, aby se získala skutečná předvídatelnost (doplňková tabulka 7). Předvídatelnost pro podzemní vody CKDu pomocí metody CRTA (75.0%) byla v souladu s předpovědí křivky PR (75.0%), ale byla vyšší než u křivky ROC (50). .0%); předvídatelnost pro podzemní vody bez CKDu pomocí metody CRTA (66,7 %) byla vyšší než u křivky PR (55,6 %), ale nižší než u křivky ROC (88,9 %). Pro lepší srovnání byly použity geometrický průměr předvídatelnosti pro podzemní vody bez CKDu a předvídatelnost pro podzemní vody CKDu, aby se ukázala komplexní předvídatelnost. Komplexní předvídatelnost metody CRTA (70,7 %) byla nejvyšší, následovala ROC křivka (66,7 %) a PR křivka (64,5 %). To ukazuje, že metoda CRTA získala lepší RT C1% pro screening CKDu podzemní vody a non-CKDu podzemní vody než ROC křivka a PR křivka. Navíc AUC křivky PR skóre PC1 byla 0,700, což ukazuje, že PC1 lze také použít jako rozpoznávací index, ačkoli AUC křivky ROC skóre PC1 byla menší než 0,7. Ve srovnání s RT skóre PC1 získaným metodou CRTA mělo optimální skóre RT PC1 získané pomocí PR křivky stejnou aktuální předvídatelnost pro podzemní vody bez CKDu, ale nižší skutečnou předvídatelnost pro podzemní vody CKDu. Proto se při rozpoznávání podzemních vod CKD a podzemních vod bez CKD zdála být metoda CRTA výhodnější než křivka PR a křivka ROC.

Environmentálně-geologické zdravotní implikace CRTA V této studii byly vlastnosti DOM podzemních vod souvisejících s CKDu sondovány pomocí optických indexů DOM a rozlišení podzemních vod nesouvisejících s CKDu a souvisejících s CKDu bylo dosaženo poskytnutím rozumného vodítka pro stanovení prahu založeného na pravděpodobnosti. indikátoru. To přispěje k hloubení a rozpoznání čistých zdrojů podzemní vody pro nízkopříjmové obytné oblasti. Ke zlepšení kvality pitné vody a prevenci CKDu byla navržena technologie reverzní osmózy a nanofiltrace pro úpravu kontaminované vody14,18, ačkoli tyto technologie vyžadují dobré ekonomické podmínky a ve skutečné výrobě se jen stěží používají. Jak je popsáno ve výše uvedené části, C1% uznaný CRTA je proveditelný a rozumný indikátor pro screening podzemních vod CKDu s nízkými náklady. V praxi je pro každý indikátor potřeba určit, které funkce prokládací křivky jsou zvoleny, porovnáním naměřené hodnoty a RT a následným výpočtem DPC nebo DPN prostřednictvím zvolené funkce. Pomocí metody CRTA screening vodních zdrojů souvisejících s CKDu o C1 % FDOM zlepšuje zabezpečení pitné vody a zabraňuje výskytu CKDu v oblastech s převládajícím výskytem CKDu. RT C1% může být ovlivněna některými faktory prostředí (např. hydrologické a geologické podmínky). V budoucnu bude zapotřebí více studií o rozpuštěné organické hmotě v podzemních vodách v jiných typických endemických oblastech CKDu, aby se otestovala a rozšířila použitelnost CRTA. Za zmínku stojí, že použití metody CRTA není omezeno na citlivé indikátory FDOM. Většina předchozích studií také zdůrazňovala, že anorganické chemikálie jako Ca2+, F−, tvrdost a Si v podzemních vodách souvisejících s CKDu a v podzemních vodách, které nesouvisejí s CKDu, se také významně liší14,61. Aplikaci metody CRTA lze tedy implementovat i na tyto anorganicky citlivé indikátory. V této studii bylo zjištěno, že DPC a DPN prostřednictvím RT Ca2+ a Si rozpoznané pomocí CRTA mohou dosáhnout 82,4 %, respektive 64,2 % (doplňkový obr. 12, doplňková tabulka 5), ​​ačkoli pravděpodobnost detekce tvrdosti a F− pomocí RT není dobrá. Graf DPC versus předpokládaný práh F− zvlnění, což bylo přičítáno vysokým koncentracím F− v několika podzemních vodách bez CKDu (doplňkový obrázek 8). Křivka DPN versus předpokládaný práh F− je tedy spolehlivější pro identifikaci vodních zdrojů než křivka DPC versus předpokládaný práh F− pomocí CRTA. Kromě toho by indikátory FDOM v kombinaci s anorganickými indikátory mohly společně rozpoznat bezpečné zdroje vody pomocí CRTA, což zlepšuje spolehlivost rozpoznávání výsledků. Do budoucna se doporučují průzkumy s větším počtem vzorků podzemní vody z větších oblastí s různorodým geologickým a hydrologickým uspořádáním.

Obr. 5 Bodový graf předpokládaných hodnot a naměřených hodnot vzorků podzemní vody (n=21). Funkce přerušované čáry je y=x. P-hodnota byla získána párovým t-testem mezi predikovanými hodnotami a naměřenými hodnotami.

METODY

Studijní oblast Podle ročních srážek lze Srí Lanku rozdělit na suché semiaridní a vlhké oblasti8. Jak je znázorněno na doplňkovém obrázku 1, studijní oblast (07 stupeň 25,911' - 07 stupeň 40,116'N, 80 stupeň 58,483' - 81 stupeň 04,888'E a 06 stupeň 17,560' - 06 stupeň 24,158'N, 80 stupně 54,769' - 80 stupně 59,995'E) se nachází v Girandurukotte (endemická oblast CKDu), Dehiattakandiya (endemická oblast CKDu) a Sewanagala (oblast mimo CKDu) v semiaridní zóně, kde terén je plochý, odpařování je silné a vodní zdroje jsou vzácné, s průměrnými ročními srážkami kolem 1000 mm a roční teplotou mezi 29 a 33 stupni. Období dešťů jihozápadního monzunu (JZ) trvá od května do října a období dešťů severovýchodního monzunu (SV) od listopadu do února. Řeka Mahaweli, nejdelší řeka na Srí Lance, se nachází na západ od studované oblasti. Geologicky jsou horniny v této oblasti v podstatě prekambrické žuly a ruly, které jsou obohaceny o slídu, rohovec, apatit a další fluorované minerály. Přestože tyto horniny mají nízkou pórovitost, vyvinuly se v nich zlomy a spáry, které hostí zdroje podzemní vody. Místní obyvatelé využívají jako pitnou vodu především podzemní vodu. Většina lidí získává podzemní vodu z kopaných studní z nezpevněných fluviálních sedimentů nebo mělkých zvětralých podloží zvodní8. Jen málo obyvatel využívá trubkové vrty k získávání puklinové podzemní vody z hlubokých podloží zvodnělých vrstev. Povrchové hydrologické sítě jsou řízeny uměle vytvořenými nádržovými (nádržovými) kaskádovými systémy, které se používají především pro zavlažování.

Odběr a skladování vzorků

Na základě informací poskytnutých místní nemocnicí sbíral náš tým podzemní vodu ze studní (podzemní voda CKDu) používaných reprezentativními pacienty trpícími CKDu. Kromě toho jsme odebírali další sadu podzemní vody ze studní (podzemní voda mimo CKDu), které používají rodiny bez pacientů. Bylo odebráno celkem 83 vzorků vody, včetně podzemní vody CKDu (n=43), podzemní vody jiné než CKDu (n=32) a vzorků povrchové vody (n=8) odebraných z nádrží ( Doplňkový obr. 1). Vzorky byly filtrovány křemenným filtrem 0,7 μm a okyseleny na pH < 2 čistou kyselinou chlorovodíkovou prvotřídní kvality pro spektrální měření. Pro analýzu DOC byly vzorky filtrovány 0,45 μm filtrační membránou a okyseleny na pH<2 with premium-grade pure phosphoric acid. More details of sample collection are provided in Supplementary Method.

Analýza vzorku

Fluorescenční vlastnosti DOM byly testovány fluorescenčním spektrometrem (Fluomax{{0}}, HORIBA JboinYvon, Japonsko). Provozní podmínky byly následující: světelným zdrojem byla xenonová výbojka 150W; excitační (Ex) vlnové délky byly nastaveny od 250 do 400 nm v intervalech 4 nm; emisní (Em) vlnové délky byly nastaveny mezi 300 a 550 nm v intervalech 2 nm; šířka štěrbiny byla 3 nm a doba integrace snímacího signálu byla 0,1 s. Absorbance v ultrafialovém záření byla měřena spektrofotometrem (UV1900, Shimadzu, Japonsko) při 200–600 nm. DOC se stanovuje analyzátorem TOC (Aurora 1030w, OI, USA) s analytickou přesností ±2,0 % a detekční limit je 0,01 mg L−1. Analýzy aniontů a kationtů jsou uvedeny v doplňkové metodě.

Spektrální indexy a PARAFAC

Byly vypočteny spektrální indexy (doplňková metoda), včetně indexu humifikace (HIX), biologického indexu (BIX), fluorescenčního indexu (FI), koncentrace DOM s nenasycenou strukturou (a254), indexu aromaticity (SUVA254) a spektrální strmost (S275-295). Jak efekt vnitřního filtru, tak fluorescenční signál pozadí ultračisté vody byly opraveny a Rayleighův rozptyl a Ramanův rozptyl byly odstraněny před PARAFAC pomocí sady nástrojů efc (http://www.nomresearch. cn/efc/indexEN.html) vyvinuté grafickým uživatelem MATLABu. interface20, správný nástroj FDOM64 a soubor nástrojů N-way (https://www.mathworks.com/matlabcentral/fileexchange/1088-the-n-way-toolbox) 65. Model nakonec prošel testem konzistence jádra a ověřením na polovinu66. Složky PARAFAC byly identifikovány s těmi z předchozích studií s podobností přesahující 0,95. Relativní množství složek PARAFAC (C1%, C2%, C3% a C4%) bylo kvantifikováno vydělením maximální intenzity píku (Fmax) každé složky součtem Fmax všech složek.

Hodnocení prahu rozpoznávání CKDu (CRTA)

Parametry obou vlastností DOM (jako je C4%, C1% a HIX) a anorganických chemikálií (jako je Ca2+ a F−) byly považovány za ukazatele pro hodnocení, během něhož byla pravděpodobnost detekce podzemních vod CKDu (DPC) a pravděpodobnost detekce podzemních vod jiných než CKDu (DPN) byly definovány a vypočteny. Pro každý indikátor byl stanoven počáteční práh (obvykle minimum sledované hodnoty), nad nímž byly vzorky zařazeny do skupiny s vysokou hodnotou a pod kterou byly vzorky zařazeny do skupiny s nízkou hodnotou. U většiny ukazatelů (C1%, C2%, C3%, HIX, SUVA254, a254, DOC, skóre PC1 a anorganické ukazatele) byla DPC vypočtena ve skupině s vysokou hodnotou a DPN byla vypočtena ve skupině s nízkou hodnotou. skupina podle rov. (1) a rov. (2), resp. U ostatních ukazatelů (C4 %, S275-295, BIX a FI) byla DPC vypočtena ve skupině s nízkou hodnotou a DPN byla vypočtena ve skupině s vysokou hodnotou pomocí Eq. (1) a (2), v tomto pořadí.

Se zvýšením předpokládané prahové hodnoty každého indikátoru z minima na maximum (obvykle 100 kroků; nastavená aritmetická posloupnost) byly vypočteny odpovídající DPC a DPN a graf předpokládané prahové hodnoty indikátoru versus DPC nebo DPN byly nakresleny tak, jak je znázorněno na obr. 6. Pravděpodobnost detekce průniku mezi dvěma křivkami byla definována jako použitelnost indikátoru při rozpoznávání podzemní vody CKDu a předpokládaná prahová hodnota průniku mezi dvěma křivkami byla definována jako práh rozpoznání (RT ). Vyšší pravděpodobnost detekce při RT dává lepší rozpoznávací použitelnost. Ze všech vzorků podzemní vody bylo 72 % (n=54) použito k výpočtu DPN a DPC a proloženo empirickou Boltzmannovou rovnicí a zbývající (n=21) byly použity k ověření prokládacích křivek pomocí párového t -test a střední kvadratická chyba (RMSE). Pokud je p-hodnota párového t-testu větší než 0,05, předpokládá se, že se předpokládaný výsledek blíží výsledku naměřenému. Čím nižší je hodnota RMSE, tím blíže je předpokládaný výsledek naměřenému výsledku.

REFERENCES

1. Levine, KE a kol. Hledání geochemických rizikových faktorů spojených s chronickým onemocněním ledvin neznámé etiologie (CKDu) v endemické oblasti Srí Lanky—multimediální laboratorní analýza biologických, potravinových a environmentálních vzorků.Environ. Monit. Posoudit. 188, 548 (2016). 

2. Gansevoort, RT a kol. Chronické onemocnění ledvin a kardiovaskulární riziko: epidemiologie, mechanismy a prevence.Lancet 382, 339–352 (2013). 

3. Kulathunga, MRDL, Ayanka, WMA, Naidu, R. & Wijeratne, AW Chronické onemocnění ledvin neznámé etiologie na Srí Lance a expozice chemikáliím z životního prostředí: přehled literatury.Environ. Geochem. Zdraví 41, 2329–2338 (2019). 

4. Rajapakse, S., Shanahan, MC & Selvarajah, M. Chronické onemocnění ledvin neznámé etiologie na Srí Lance.Int. J. Occup. Environ. Zdraví 22, 259–264 (2016).

5. Hettithanthri, O. a kol. Rizikové faktory pro endemické chronické onemocnění ledvin neznámé etiologie na Srí Lance: Retrospektiva zabezpečení vody v suché zóně.Sci. Totální prostředí. 795, 148839 (2021). 

6. Edirisinghe, E. a kol. Geochemické a izotopové důkazy z podzemních a povrchových vod pro pochopení přirozené kontaminace v endemických zónách chronického onemocnění ledvin neznámé etiologie (CKDu) na Srí Lance.Isot. Environ. Health Stud. 54, 244–261 (2018). 

7. McDonough, LK, Meredith, KT, Nikagolla, C. & Banati, RBFlvliv interakcí vody a hornin na vodu ze studny v domácnostech v oblasti s vysokou prevalencí chronického onemocnění ledvin neznámé etiologie (CKDu).npj Čistý. Voda 4, 1–9 (2021). 8. Balasooriya, S. a kol. Možné souvislosti mezi geochemií podzemních vod a chronickým onemocněním ledvin neznámé etiologie (CKDu): šetření z oblasti Ginnoruwa na Srí Lance.Expo. Zdraví 12, 823–834 (2020).

9. Dissanayake, CB & Chandrajith, R. Podzemní vodaFluoride jako geochemický marker v etiologii chronického onemocnění ledvin neznámého původu na Srí Lance.Ceylon J. Sci. 46, 3–12 (2017). 

10. Chandrajith, R. a kol. Na dávce závislý Na a Ca inFlpitná voda bohatá na chloridy— další hlavní příčinou chronického selhání ledvin v tropických aridních oblastech.Sci. Totální prostředí. 409, 671–675 (2011).

11. Wickramarathna, S., Balasooriya, S., Diyabalanage, S. & Chandrajith, R. Sledování environmentálních etiologických faktorů chronických onemocnění ledvin v suché zóně Srí Lanky—hydrogeochemický a izotopový přístup.J. Trace Elem. Med. Biol. 44, 298–306 (2017).

12. Wasana, HM a kol. Kvalita pitné vody a chronické onemocnění ledvin neznámé etiologie (CKDu): synergické účinkyFluoridy, kadmium a tvrdost vody.Environ. Geochem. Zdraví 38, 157–168 (2016). 

13. Tao, P. a kol. Časoprostorové variace v chromoforické rozpuštěné organické hmotě (CDOM) v řece se smíšeným využitím půdy: Důsledky pro obnovu povrchových vod.J. Environ. Manag. 277, 111498 (2021). 

14. Lal, K. a kol. Posouzení kvality podzemních vod v oblasti Uddanam postižené CKDu v okrese Srikakulam a napříč Andhra Pradesh v Indii.Groundw. Udržet. Dev. 11, 100432 (2020).

Supporting Service Of Wecistanche-Největší vývozce cistanche v Číně:

E-mail:wallence.suen@wecistanche.com

Whatsapp/Tel:+86 15292862950

Nakupujte pro další specifikace Podrobnosti:

https://www.xjcistanche.com/cistanche-shop

ZÍSKEJTE PŘÍRODNÍ BIO EXTRAKT CISTANCHE S 25 % ECHINAKOSIDU A 9 % AKTEOSIDU PRO INFEKCI LEDVIN